Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Independent component analysis of non-invasively recorded cortical magnetic DC-fields in humans

 
: Wübbeler, G.; Ziehe, A.; Mackert, B.-M.; Müller, K.-R.; Trahms, L.; Curio, G.

:
urn:nbn:de:0011-b-732374 (855 KByte PDF)
MD5 Fingerprint: 2b18e65204326acd46a6fdea68b02866
Created on: 07.08.2002


Sankt Augustin: GMD Forschungszentrum Informationstechnik, 1999, 19 pp.
GMD Report, 67
English
Report, Electronic Publication
Fraunhofer FIRST ()
Messtechnik; Signalquellentrennung; Biosignalanalyse; Biomagnetismus; biomedical data processing; biomagnetism; blind source separation; independent component analysis

Abstract
Eine vor kurzem entwickelte Technik der multivariaten statistischen Datenanalyse - die sogenannte "blinde Quellentrennung" mittels Independent Component Analysis (ICA) - wird in dieser Arbeit zur Auswertung von Magnetoencephalographie (MEG) Messungen langsam veränderlicher ("DC-naher") Magnetfelder des Gehirns angewandt. Die Extraktion solcher DC-naher Felder aus MEG Daten eröffnet wichtige Perspektiven für klinische Anwendungen, da DC-nahe Phänomene ("cerebrale Anoxie", "spreading depression") tierexperimentell beim Schlaganfall nachweisbar sind. Der Vergleich mehrerer Ansätze zur Quellentrennung ergab, dass ein Algorithmus, der auf temporaler Dekorrelation beruht, erfolgreich ein in der Hörrinde durch Musikdarbietung induziertes DC-Signal extrahieren konnte. Da dies wegen der begrenzten Anzahl von Abtastpunkten und des Auftretens von Ausreissern in den Messdaten ein algorithmisch anspruchsvolles Problem darstellt, kann dieser Ansatz als Testfall zur Bewertung der Robustheit von ICA Methoden herangezogen werden.

 

We apply a recently developed multi-variate statistical data analysis techniqueso called blind source separation by independent component analysis - to process MEG recordings of near-DC fields. The extraction of near-DC fields from MEG recordings has great relevance for medical applications since slowly varying DC- phenomena have been found e.g. in cerebral anoxia and spreading depression in animals. Comparing several blind source separation approaches, it turns out that an algorithm based on temporal decorrelation successfully extracted a DC-component which was induced in the auditory cortex by presentation of music. The task is challenging because of the limited amount of available data and the corruption by outliers, therefore we propose this application as a real-world testbed for studying the robustness of ICA methods.

: http://publica.fraunhofer.de/documents/B-73237.html